面向大规模数据的分层近邻传播聚类算法

摘要：

近邻传播(Affinity Propagation,AP)聚类具有不需要设定聚类个数、快速准确的优点,但无法适应于大规模数据的应用需求.针对此问题,提出了分层近邻传播聚类算法.首先,将待聚类数据集划分为若干适合AP算法高效执行的子集,分别推举出各个子集的聚类中心;然后对所有子集聚类中心再次执行AP聚类,推举出整个数据集的全局聚类中心;最后根据与这些全局聚类中心的相似度对聚类样本进行划分,从而实现对大规模数据的高效聚类.在真实和模拟数据集上的实验结果均表明,与AP聚类和自适应AP聚类相比,该方法在保证较好聚类效果的同时,极大地降低了聚类的时间消耗.

关键词：数据聚类、近邻传播、分层推举、聚类中心

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：信息保障技术重点实验室开放基金KJ-12-04

在线出版日期：2014-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：185-188,192